基于CT扫描 (试点项目) 使用神经网络来评估头骨和椎部分结构的与年龄相关的变化
G V Zolotenkova1, D K Valetov2, M P Poletaeva3
1MD, DSc, Professor, Department of Forensic Medicine; First Moscow State Medical University (Sechenov University), 8/2 Malaya Trubetskaya St., Moscow, 119991, Russia.
Sovremennye tekhnologii v meditsine
|November 14, 2024
概括
人工智能,特别是卷积神经网络,可以使用头骨和椎的CT扫描来预测年龄. 这项技术在法医医学应用方面表现有前途.
科学领域:
- 医学成像分析分析 医学成像分析
- 在法医中使用人工智能.
- 生物识别年龄估计
背景情况:
- 准确的年龄估计在法医中至关重要.
- 传统的年龄评估方法可能耗时且主观.
- 人工智能的进步为自动化和客观的年龄预测提供了潜力.
研究的目的:
- 调查使用人工智能用于年龄预测的可行性.
- 分析头骨和椎的CT扫描,以检测与年龄相关的变化.
- 开发和测试用于年龄估计的深度学习模型.
主要方法:
- 采用了223个头部和部CT扫描在斜视投影.
- 使用PjaPro,Gradient和SPSS软件进行了形态测量和统计分析.
- 训练了一个完全卷积的EfficientNet-B2神经网络用于年龄回归.
主要成果:
- 确定了与中部大西洋轴关节的卷积有显著的年龄相关性.
- 深度学习模型实现了7.5到10.5年的年龄预测准确度.
- 卷积网络自动识别了年龄评估的相关图像区域.
结论:
- 证明了卷积神经网络在年龄确定中的成功应用.
- 这种人工智能驱动的方法扩大了法医年龄估计的证据基础.
- 提供了在法医背景下识别全群人格特征的新可能性.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.6K
07:12Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
Published on: September 28, 2017
8.1K
